我們不再更新 Amazon Machine Learning 服務或接受新使用者。本文件可供現有使用者使用，但我們不再更新。如需詳細資訊，請參閱[什麼是 Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html)。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 步驟 1：準備資料
<a name="step-1-download-edit-and-upload-data"></a>

在機器學習中，您通常會取得資料，並先確保它的格式良好，再啟動培訓程序。基於本教學的目的，我們從 [UCI Machine Learning Repository](http://archive.ics.uci.edu/ml/) 取得範例資料集，格式化為符合 Amazon ML 準則，並供您下載。從 Amazon Simple Storage Service (Amazon S3) 儲存位置下載資料集，並遵循本主題中的程序將其上傳至您自己的 S3 儲存貯體。

 如需 Amazon ML 格式要求，請參閱 [了解 Amazon ML 的資料格式](understanding-the-data-format-for-amazon-ml.md)。

**下載資料集**

1. 按一下 [banking.zip](samples/banking.zip)，下載包含已購買類似銀行定期存款產品之客戶歷史資料的檔案。解壓縮資料夾，並將 banking.csv 檔案儲存到您的電腦。

1. 按一下 [banking-batch.zip](samples/banking-batch.zip)，下載您將用來預測潛在客戶是否會回應您的報價的檔案。解壓縮資料夾，並將 banking-batch.csv 檔案儲存到您的電腦。

1.  打開 `banking.csv`。您將會看到資料的資料列和資料行。*「標題列」*包含每個資料行的屬性名稱。*「屬性」*(Attribute) 是唯一具名屬性 (Property)，說明每個客戶的特定特性，例如，nr\$1employed 指出客戶的雇用狀態。每個資料列都代表單一客戶的觀察集合。  
![\[Spreadsheet preview showing header row with columns for euribor3m, nr_employed, and y.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image1.png)

   您希望 ML 模型回答「這位客戶將訂閱我的新產品嗎？」問題。在 `banking.csv` 資料集內，這個問題的答案是 **y** 屬性，其包含值 1 (表示「是」) 或 0 (表示「否」)。您希望 Amazon ML 了解如何預測的屬性稱為*目標屬性*。
**注意**  
屬性 **y** 是二元屬性。它可以只包含兩個值的其中一個值，在這種情況下為 0 或 1。在原始 UCI 資料集內，**y** 屬性為「是」或「否」。我們已為您編輯妥原始資料集。屬性 **y** 表示「是」的所有值現在是 1，而表示「否」的所有值現在是 0。如果您使用自己的資料，則可以使用其他二元屬性值。如需有效值的詳細資訊，請參閱[使用 AttributeType 欄位](creating-a-data-schema-for-amazon-ml.md#assigning-data-types)。

 以下範例顯示將 **y** 屬性的值變更為二元屬性 0 和 1 前後的資料。

![\[Data table showing 'banking.csv' with columns for 'euribor3m', 'nr_employed', and binary 'y' values.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image2.png)


![\[Partial view of a CSV file showing banking data with columns for euribor3m, nr_employed, and y.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image3.png)


 `banking-batch.csv` 檔案未包含 **y** 屬性。在您建立 ML 模型之後，將會使用此模型來預測該檔案中每筆記錄的 **y**。

 接著，將 `banking.csv `和 `banking-batch.csv` 檔案上傳至 Amazon S3。

**將檔案上傳至 Amazon S3 位置**

1. 登入AWS 管理主控台，並在 [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)：// 開啟 Amazon S3 主控台。

1.  在 **All Buckets (所有儲存貯體)** 清單中，建立儲存貯體或選擇您要上傳檔案的位置。

1. 在導覽列中，選擇 **Upload (上傳)**。

1. 選擇 **Add Files (新增檔案)**。

1.  在對話方塊中，導覽至您的桌面並選擇 `banking.csv` 和 `banking-batch.csv`，然後選擇 **Open (開啟)**。

 您現在已準備好可[建立培訓資料來源](step-2-create-a-datasource.md)。